r - Mac中R中的PDF到文本

Question

我已经在 mac 中下载了 PDFtoText 并编写了以下代码来将 pdf 文件转换为文本：

pdf_to_load =("~/my_directory/my.pdf")
system(paste('pdftotext', pdf_to_load))

代码运行良好，但我无法在源目录中看到 my.txt，也无法将其保存在文件夹中的任何位置。我哪里出错了？

我的一位导师能够在他的计算机上运行相同的代码，并且能够看到转换后的 .txt 文件。

请指导。

Answer 1

如果在您的计算机上找不到默认的 PDF 提取引擎，您会得到错误的结果，请参阅?tm::readPDF。这些引擎不是 R 或tm软件包的一部分，它取决于您的计算机是否已经安装了必要的程序。

最简单的解决方案是安装程序pdftotext和pdfinfo（您将需要两者），您可以在此处以预编译二进制文件的形式获取它们。

正确安装这些程序后，您应该能够通过使用包的readPDF()功能，在没有系统调用的情况下提取 PDF 文件的文本tm

library(tm)
my_pdf_txt <- readPDF(control=list(text="-layout"))(elem=list(uri="~/my_directory/my.pdf"), language="en")